论文部分内容阅读
数据仓库提供了面向主题的、适合决策分析的数据存储、数据整合、数据抽取与转换功能。建立一套基于数据仓库的、完善的数据分析与决策支持系统，可以为业务群体内任何形式的应用提供有效数据及其分析。而进一步利用联机分析处理(OLAP)技术和数据挖掘技术在海量数据中发现数据间的关系，提取隐含在其中的、潜在的有用信息和知识，能够有效地支持企业的经营管理和决策，提高企业的竞争能力。 本文研究了以下问题： (1)．概要介绍了数据仓库与决策支持系统的基础理论，描述了基于数据仓库的决策支持系统的体系结构。 (2)．综合介绍了数据仓库的主要特点、体系结构、数据组织，对于传统结构的不足提出了一种改进方法。 (3)．详细介绍了数据仓库的设计模式、构建步骤和关键技术，对于逻辑模型的建立进行深入讨论，提出有效的解决方案。 (4)．阐述了数据仓库中重要的两种的数据分析技术：联机分析处理(OLAP)技术以及数据挖掘(Data Mining)技术。研究了联机分析处理(OLAP)技术的基本分析方法与体系结构，提出了一种建立在多维关系数据库／多维数据视图基础上的多维数据模型，并研究了基于此模型的联机分析处理(OLAP)技术的基本分析方法的形式化描述。以及简要地介绍了数据挖掘的研究对象及分类，给出了一个数据挖掘应用的细化过程。 (5)．以铁道部物资总公司铁路燃油配送业务决策支持系统的设计为例，给出了数据仓库和联机分析处理(OLAP)技术在企业实际应用中的关键技术。